مهندسی نیازمندی ها یکی از فازهای مهم و اصلی در فرآیند توسعه نرم افزار است. در این فاز فعالیت های مختلفی توسط مهندسین نرم افزار انجام می شود. در این مقاله مسئله اولویت بندی نیازمندی ها در فرآیند توسعه تکراری نرم افزار مورد بررسی قرار گرفته است. هدف اصلی پیداکردن گروه های اولویت نیازمندی ها به صورت خودکار بوده، به گونه ای که بتوان هر گروه از نیازمندی ها را در یک تکرار از فرآیند توسعه پیاده سازی کرد. برای این منظور از تکنیک های داده کاوی، پردازش متن و شباهت معنایی استفاده شده است. روش پیشنهادی بر روی مجموعه داده های مربوط به نیازمندی های نرم افزارهای مختلف اعمال شده است. این روش دارای فازهای پیش-پردازش، استخراج ویژگی، خوشه بندی و اولویت بندی است. در فاز اول آماده سازی داده ها انجام می شود و در فاز دوم ویژگی های نیازمندی ها استخراج می شود. در فاز خوشه بندی از الگوریتم های مختلف خوشه بندی مانند میانگین k، سلسله مراتبی و خوشه‌بندی فضایی مبتنی بر چگالی در کاربردهای دارای نویز (DBSCAN) استفاده شده و در نهایت اولویت بندی انجام می شود. نتایج مقایسه نشان می دهد روش ارائه شده دارای کارایی خوب و قابل قبولی نسبت به روش های قبل در دسته بندی و خوشه بندی بوده و به طور میانگین دارای 3 درصد عملکرد بهتری است. Manuscript profile

با توجه به کاربرد روزافزون محاسبات مه لزوم ارائه راه حل هایی جهت افزایش کارآیی آنها به شدت احساس می شود. بر اساس این مسئله که تعداد دستگاه‌های لبه‌ای زیاد است، باید ساز و کاری برای انتخاب این وظایف و تخلیه آن‌ها به ابر وجود داشته باشد. مسئله مورد نظر برای تصمیم گیری این است که از بین آن دستگاه لبه‌های موجود برای تخلیه کدام ‌یک از آن‌ها انتخاب و سپس تخلیه گردد، که این مسئله در زمره مسائل غیر چندجمله‌ای سخت قرار گرفته و با استفاده از الگوریتم‌های قطعی به ‌سادگی و در زمان چندجمله‌ای نمی‌توان راه‌حلی مناسب و کارآمد برای آن یافت نمود. در این مقاله برای حل این مساله از الگوریتم بهینه‌سازی ازدحام ذرات (PSO) استفاده شده است. روش پیشنهادی با تعریف تابع هدف مناسب برحسب تخلیه مناسب بار و توزیع عادلانه وظایف بر روی منابع محاسباتی کارآیی را نسبت به روش های مشابه بهبود داده است. در مقایسه با روش‌های دیگر، مانند روش بدون بارگیری، بارگیری کامل به روش ابر و بارگذاری کامل به روش ابر، آزمایش‌ها و شبیه‌سازی‌های گسترده نشان داده‌اند که روش پیشنهادی مؤثر است و می‌تواند استراتژی بارگذاری بهینه را برای کاربران سیار فراهم کند. برای ارزیابی این روش از داده‌های واقعی پلنت لب استفاده شده و نتایج بیانگر این است که روش پیشنهادی مصرف انرژی را بین 3 تا 10 درصد و زمان اجرای کل نیز بین 5 تا 8 درصد در مقایسه با روش‌های دیگر کاهش ‌یافته است. Manuscript profile